站内搜索相关搜索词推荐算法：从日志共现到点击重排的实现方案

站内搜索的相关搜索词推荐，核心不是简单展示热门词，而是在用户输入一个查询词后，快速判断他下一步可能需要什么：是继续比较、寻找配件、缩小条件，还是切换到更准确的长尾词。

一个稳定的实现方案通常由三部分组成：用搜索日志发现候选词，用相关度模型判断候选词是否真的相关，再用点击、转化和业务规则做重排。这样推荐出来的词既能扩大用户探索路径，也能减少无结果搜索和反复输入。

适用场景

相关搜索词推荐适合搜索量相对稳定、用户意图会连续变化的网站，例如电商、内容站、素材站、知识库、工具导航和站内文档系统。常见展示位置包括搜索结果页顶部、无结果页、搜索框联想区，以及详情页底部的“相关搜索”模块。

如果网站刚开始积累数据，可以先用规则和热词兜底；当搜索日志、点击日志和会话数据达到一定规模后，再逐步引入共现矩阵、向量相似度和点击重排。

数据准备

实现前需要先定义一套可追踪的数据结构，至少包括以下字段：

• query：用户输入的原始搜索词。
• normalized_query：清洗、大小写统一、繁简转换或同义词归一后的搜索词。
• session_id：同一次访问或同一段时间窗口内的会话标识。
• result_count：该搜索词返回的结果数量，用来识别无结果或低质量词。
• click_doc_id：用户点击的结果内容，用于判断推荐是否带来有效行动。
• timestamp：搜索时间，用来计算新鲜度和趋势变化。

清洗阶段要重点处理空词、乱码词、明显广告词、敏感词、重复词，以及仅有标点或过短的词。中文场景还可以维护同义词表，例如“耳机”和“蓝牙耳机”不一定等价，但“iPhone 手机壳”和“苹果手机壳”可能需要归到相近意图。

核心算法：召回、相关度与重排

第一步是候选召回。最常用的方法是统计同一会话、同一用户短时间窗口或同一搜索链路中共同出现的查询词，建立查询词之间的共现关系。例如用户先搜“iPhone”，接着搜“手机壳”或“耳机”，就可以把这些词放入候选集合。

第二步是相关度计算。只看共现次数容易偏向大热词，因此可以加入 PMI 或余弦相似度：

PMI(x, y) = log( P(x, y) / (P(x) * P(y)) )

PMI 更擅长发现“虽然不算特别热门，但关联非常紧”的词；余弦相似度适合把查询词表示成点击内容、类目或用户行为向量后再比较相似度。实际工程中可以把多个信号合并为一个推荐分：

score = 相关性 * 0.45 + 热度 * 0.25 + 点击率 * 0.20 + 新鲜度 * 0.10

第三步是重排与过滤。推荐词需要去重、去低质、去敏感词，并限制同一类目或同一前缀词的数量，避免用户看到一排高度重复的词。对于长尾词，可以设置最低曝光保护，防止所有推荐位都被头部热词占满。

电商案例

假设一个电商站点记录到以下搜索链路：

可以得到一个简化的共现矩阵：

在这个例子里，当用户搜索“iPhone”时，可以优先推荐“手机壳”“耳机”；当用户搜索“耳机”时，可以推荐“蓝牙耳机”和“iPhone”。如果后续点击数据显示“iPhone + 手机壳”的点击率更高，就可以把“手机壳”排在更靠前的位置。

上线与评估

相关搜索词推荐上线后，建议按天观察这些指标：

• 推荐词点击率：判断推荐是否吸引用户继续搜索。
• 无结果率：推荐词是否减少了空搜索和失败搜索。
• 搜索后点击率：用户点了推荐词之后，是否点击了结果内容。
• 转化或停留时间：电商看加购和成交，内容站看阅读深度。
• 负反馈词占比：识别低质词、错别字词和不合规词。

推荐结果不必追求一次性完全自动化。更稳妥的方式是“算法生成 + 规则兜底 + 人工抽检”：高频词可以人工查看前若干个推荐结果，低频词则依靠阈值、黑名单和类目约束保证质量。

总结

站内搜索相关搜索词推荐的关键，是把用户真实行为转化成可解释、可评估的推荐链路。先通过共现和向量方法找到候选词，再结合热度、点击率、新鲜度和业务规则排序，最后用上线指标持续修正，才能让推荐词既有相关性，也真正提升搜索体验和网站粘性。